Рассматривается актуальная задача краткосрочного прогнозирования суточных атмосферных осадков с использованием метеорологической информации и данных, полученных на основе измерений напряженности электрического поля атмосферы, но без привлечения данных о прошлых значениях осадков. Проведенные исследования показали высокую эффективность применения искусственного интеллекта в решении поставленной задачи, в частности, таких методов машинного обучения, как модели градиентного бустинга, деревья решений, нейронные сети. Данные для исследования за период с 2020 по 2025 год получены с метеостанции Нальчик (Россия, WMO ID 37212) и измерителя напряженности электрического поля EFM-100 установленного на крыше здания ФГБУ «ВГИ».
Идентификаторы и классификаторы
- SCI
- Науки о Земле
Прогнозирование атмосферных осадков критически важно для различных отраслей экономики, таких как авиация, сельское хозяйство, городская инфраструктура [9], а также для безопасности жизнедеятельности. Можно утверждать, что прогноз осадков является одной из ключевых задач метеорологии, имеющей важное значение для управления водными ресурсами [2, 7], например, при прогнозировании стока горных рек, предупреждении и защите от стихийных бедствий, вызванных гидрологическими опасными явлениями и их последствиями [4, 8)], а также для системы мониторинга и прогнозирования лесных пожаров [10]. Согласно последнему докладу Межправительственной группы экспертов по изменению климата (IPCC), наблюдается увеличение интенсивности и частоты экстремальных осадков, что связано с повышением температуры и увеличением содержания влаги в атмосфере. Это приводит к более частым и интенсивным ливням, наводнениям и другим опасным погодным явлениям, что требует более точной и своевременной информации о возможности их возникновения.
Список литературы
1. Аджиев А.Х., Кондратьева Н.В., Кумукова О.А., Сейнова И.Б., Богаченко Е.М. Метод фонового прогнозирования селевой опасности на Центральном Кавказе и результаты его апробирования // Селевые потоки: катастрофы, риск, прогноз, защита. 2008. С. 263-266. EDN: OSFZZR
2. Белякова П.А., Борщ С.В., Христофоров А.В., Юмина Н.М. Вероятностное прогнозирование максимальных расходов и уровней воды и критических осадков на реках Черноморского побережья Кавказа // Труды Гидрометцентра России. 2013. № 349. С. 104-121. EDN: RDJAKP
3. Бисчоков Р.М. Прогнозирование изменений режима атмосферных осадков на Северном Кавказе // Вестник Курганской ГСХА. 2018. № 1 (25). С. 14-17. EDN: OUEKHT
4. Болгов М.В., Арефьева Е.В. О некоторых вопросах, связанных с прогнозированием чрезвычайных ситуаций, вызванных гидрологическими опасными явлениями и их последствиями // Научные и образовательные проблемы гражданской защиты. 2017. №. 4 (35). С. 102-110. EDN: ZSSINR
5. Лубков А.С., Вышкваркова Е.В., Воскресенская Е.Н. Исследование возможности нейросетевого прогнозирования осадков в Крымском регионе // Тезисы докладов международной научно-технической конференций “Системы контроля окружающей среды - 2019”, Севастополь, 12-13 сентября 2019 г. Севастополь: ИПТС, 2019. С. 152. EDN: RAQVPQ
6. Митин В.Ю., Аптуков В.Н. Математические модели прогнозирования температуры и осадков с использованием фрактального и Фурье-анализа метеорологических рядов // Вестник Пермского университета. Серия: Математика. Механика. Информатика. 2024. №. 1 (64). С. 33-42. EDN: AWUOXZ
7. Морейдо В.М., Гарцман Б., Соломатин Д.П., Сучилина З.А. Возможности краткосрочного прогнозирования стока малой реки с использованием методов машинного обучения // Гидросфера. Опасные процессы и явления. 2020. Т. 2, №. 4. С. 375-390. EDN: PUICFO
8. Таланов Е.А. Технология краткосрочного вероятностного прогнозирования паводков и селевых потоков на основе прогноза количества осадков на 3 и 6 часов // Селевые потоки: катастрофы, риск, прогноз, защита. 2016. С. 229-233. EDN: ZERCJV
9. Фрумин Г.Т., Иванов М.Э., Куликова Л.А., Еремина А.В. Подходы к решению проблемы диагноза и прогноза атмосферных осадков в интересах городских служб водоотведения // Общество. Среда. Развитие (Terra Humana). 2016. №. 2 (39). С. 97-100. EDN: WHCMXN
10. Шайдуллина А.Ф. Сравнительный ретроспективный анализ методов прогнозирования лесных пожаров по метеорологическим данным // Проблемы науки. 2016. №. 7 (8). С. 23-26.
11. Яровая Д.А., Посошков В.Л. Параметры атмосферных осадков в Азово-Черноморском регионе на основе модельных и натурных данных // Морской гидрофизический журнал. 2017. № 1 (193). С. 11-26. EDN: RUQNTJ
12. Balasmeh O. Al, Babbar R., Karmaker T. Trend analysis and ARIMA modeling for forecasting precipitation pattern in Wadi Shueib catchment area in Jordan // Arabian Journal of Geosciences. 2019. Vol. 12. P. 1-19.
13. Dong J., Zeng W., Wu L., Huang J., Gaiser T., Srivastava A.K. Enhancing short-term forecasting of daily precipitation using numerical weather prediction bias correcting with XGBoost in different regions of China // Engineering Applications of Artificial Intelligence. 2023. Vol. 117. P. 105579. EDN: KLFOOU
14. Kusiak A., Wei X., Verma A.P., Roz E. Modeling and Prediction of Rainfall Using Radar Reflectivity Data: A Data-Mining Approach // IEEE Transactions on Geoscience and Remote Sensing. 2013. Vol. 51, no. 4. P. 2337-2342.
15. Nastos P.T., Paliatsos A.G., Koukouletsos K.V., Larissi I.K., Moustris K.P. Artificial neural networks modeling for forecasting the maximum daily total precipitation at Athens, Greece // Atmospheric Research. 2014. Vol. 144. P. 141-150. EDN: SRXCAT
16. Partal T., Cigizoglu H.K. Prediction of daily precipitation using wavelet-neural networks // Hydrological sciences journal. 2009. Vol. 54, no. 2.P. 234-246.
17. Ponnoprat D. Short-term daily precipitation forecasting with seasonally-integrated autoencoder // Applied Soft Computing. 2021. Vol. 102. P. 107083. EDN: SAHBLE
18. Sodoudi S., Noorian A., Geb M., Reimer E. Daily precipitation forecast of ECMWF verified over Iran. Theoretical and applied climatology, 2010, Vol. 99, pp. 39-51. EDN: LDRJIP
19. Valipour M., Khoshkam H., Bateni S.M., Jun C. Machine-learning-based short-term forecasting of daily precipitation in different climate regions across the contiguous United States // Expert Systems with Applications. 2024. Vol. 238. P. 121907. EDN: KZLNLL
20. Waqas M., Humphries U.W., Hlaing P.T., Wangwongchai A., Dechpichai P. Advancements in daily precipitation forecasting: a deep dive into daily precipitation forecasting hybrid methods in the tropical climate of Thailand // MethodsX. 2024. Vol. 12. P. 102757. EDN: UWVNJM
21. Weerasinghe H.D.P., Premaratne H.L., Sonnadara D.U.J. Performance of neural networks in forecasting daily precipitation using multiple sources // Journal of the National Science Foundation of Sri Lanka. 2010. Vol. 38, no. 3. P. 163-170.
Выпуск
Другие статьи выпуска
Обеспечение круглогодичной навигации по Северному морскому пути является важной задачей социально-экономического развития Российской Федерации. При выборе оптимального пути следования судна в сплоченных льдах арктических морей важным фактором является наличие попутных разрывов в ледяном покрове, так как они представляют собой потенциальные маршруты более легкого плавания. Использование попутных разрывов позволяет увеличить скорость движения судна, тем самым повышая экономическую эффективность и безопасность плавания. Прогностическая информация о разрывах учитывается при планировании и организации морских операций. В случае, когда по какой-либо причине нет возможности получить актуальную спутниковую информацию о ледяном покрове в районе следования судна, для получения данных о разрывах могут быть использованы диагностические прогнозы. Таким образом, прогнозы преобладающей ориентации разрывов в ледяном покрове являются важной составной частью ледовых прогнозов.
Представлены результаты испытаний подсистемы глобальных пятисуточных прогнозов ветрового волнения, выпускаемых в рамках комплексной системы прогнозирования ветрового волнения, созданной в Гидрометцентре России в рамках темы 1.1.10 «Разработка и усовершенствование моделей, методов и технологий прогнозирования гидрометеорологических характеристик акваторий Мирового океана, морей и морских устьев рек России» (2020–2024 гг.). Комплексная система построена по сопряженной схеме «океан – море – прибрежная зона» на базе высокопроизводительной вычислительной платформы Cray XC40-LC и последних версий волновой модели Wave Watch-III и предназначена для выпуска прогнозов по акваториям как Мирового океана, так и всех российских морей. Новая прогностическая система в части глобальных прогнозов призвана заменить действующую с 2016 г. технологию прогнозирования характеристик ветрового волнения в Мировом океане (решение ЦМКП от 21.03.2016).
К основным характеристикам замерзающих морей, оказывающих существенное влияние на морскую деятельность в холодный период года, относятся сплоченность и толщина льда. Возможность прогнозирования ледяного состояния и его динамики является одной из ключевых задач оперативных подразделений учреждений Росгидромета.
Метод сезонных прогнозов температуры поверхности океана и состояния морского льда на основе модели Земной системы ИВМ РАН и системы подготовки данных Гидрометцентра России разработан Гидрометцентром России совместно с Институтом вычислительной математики им. Г. И. Марчука Российской академии наук в рамках реализации Важнейшего инновационного проекта государственного значения (ВИП ГЗ). Метод испытывался в соответствии с Программой испытаний, утвержденной директором ФГБУ «Гидрометцентр России» 08.02.2024 года.
Технология разработанного в ФГБУ «Гидрометцентр России» 30-суточного прогноза приземной температуры воздуха состоит из двух частей: усовершенствованной схемы среднесрочных прогнозов элементов погоды (РЭП) с расширенным (до 15 суток) сроком действия [1] и результатов численного моделирования по модели ПЛАВ [2]. Гидродинамико-статистический метод 30-суточного прогноза приземной температуры воздуха основывается на полученных на базе РЭП прогнозах аномалий приземной температуры воздуха на 15 суток и результатах интегрирования модели ПЛАВ на интервале 16‒30 суток.
В статье рассматриваются основные погодные аномалии зимы 2023-2024 гг. и лета 2024 года. Показано, что в этом году условия для формирования продуктивности сельскохозяйственных культур были значительно хуже обычного, что не позволило растениям сформировать запланированный урожай.
Показана возможность использования глубоких нейронных сетей для оценки ожидаемой средней районной урожайности озимой пшеницы для территории Северо-Кавказского УГМС. Обучение нейронной сети выполнялось на наборе данных, включающих спутниковые индексы, метеорологические данные, а также временные ряды средней районной урожайности за период с 2012 по 2023 год. Проведен экспериментальный поиск оптимальных гиперпараметров нейронной сети, который позволил достичь баланса между точностью и обобщенностью модели. Проведен сравнительный анализ точности расчётов ожидаемой урожайности, полученных на основе нейронной сети, статистических регрессионных моделей и алгоритмов машинного обучения (дерево решений, случайный лес, линейная регрессия). Результаты анализа показали, что максимальная сходимость между фактической и рассчитанной урожайностями озимой пшеницы достигается с использованием нейронной сети. Полученные результаты демонстрируют перспективность нейросетевого подхода для оценки ожидаемой урожайности озимой пшеницы на основе комплексирования наземных и спутниковых данных.
Анализируются изменения характеристик групповой структуры поверхностных волн во время экстремального шторма в Черном море 25-26 ноября 2023 года. Для анализа используются данные волновых измерений, которые проводились на стационарной океанографической платформе, расположенной около Южного берега Крыма. Расчет характеристик групповой структуры проводится в рамках двух процедур, в основе которых лежат преобразование Гильберта и функция SIWEH. Построен временной ход фактора групповитости и числа волн в группе. Временной ход параметров групповой структуры, рассчитанных в рамках двух процедур, подобен. На стадии развития шторма фактор групповитости и число волн в группе меняются незначительно, на стадии ослабления шторма значения указанных параметров уменьшаются. Во время шторма происходит значительный рост периодов доминантных волн, что приводит к увеличению длины группы.
Представлены результаты статистического анализа данных измерений параметров приповерхностных течений, выполненных на 690 автономных и притопленных буйковых станциях в 1956-2015 гг. в экспедициях ААНИИ в арктических морях. Изменчивость течений анализировалась раздельно в открытых акваториях и в проливах. Для анализа данных применён статистический метод векторно-алгебраического анализа. Рассчитаны простые статистические характеристик изменчивости течений: среднее, медиана, в некоторых случаях выделены максимум, минимум и коэффициенты асимметрии и эксцесса. Получены количественные оценки дисперсии суммарных (измеренных) течений, их пространственной однородности и направленности изменчивости. Установлена неравномерность параметров течений в различных слоях от поверхности до 25 метров: повышение изменчивости скорости течений от поверхности к слою 10-20 м с последующим понижением с глубиной. Линейная связанность течений понижается начиная с горизонтов 10(12) - 25 м. Уменьшение изменчивости скорости течений с глубиной сопровождается повышением их пространственной упорядоченности, выраженной в понижении анизотропности дисперсии (в сжатии эллипса дисперсии). Возрастание изменчивости течений с глубиной характерно для измерений, выполненных подо льдом. Показана связь с рельефом дна и с ареалами распространения речных вод в летний период. Полученные результаты сравниваются с результатами других авторов в южных морях (Чёрное, Средиземное, Каспийское).
Прогноз толщины льда на 16 суток для Каспийского и Охотского морей реализован на основе вязко-пластичной модели льда CICE с использованием в качестве форсинга трехчасовых прогностических полей негидростатической атмосферной модели WRF-ARW: приземной температуры, влажности, скорости ветра, осадков и приходящей солнечной радиации. Прогноз рассчитывается в узлах регулярной широтно-долготной сетки 0.25°. Выполнено сравнение значений толщины льда на 7 и 14-й день прогноза с измеренной толщиной на морских береговых станциях Большой Пешной в Каспийском море и на пяти станциях в Охотском море, а также а также с данными анализа GDAS NCEP, карт Sigrid-3 ФГБУ «НИЦ «Планета» и карт ледовой обстановки ФГБУ «Гидрометцентр России» по всему Охотскому морю. Сравнение результатов расчета с данными наблюдений показало, что модель удовлетворительно воспроизводит процессы нарастания и таяния льда.
Изучены причины формирования экстремально морозной погоды с температурой воздуха ниже -40 °C в Красноярске, оценена точность ее прогноза региональной моделью WRF-ARW для четырех случаев в 2019, 2020 и 2023 гг., которые связаны с формированием мощного антициклона над Западно-Сибирской равниной и адвекцией очень холодного арктического воздуха в передней части высотного гребня, сопровождающегося ясной, безоблачной погодой. Изучены условия формирования городского острова тепла, интенсивность которого меняется от 4,0 до 8,0 °C, в среднем составила 6,4 °C. Области максимальной температуры находятся на обоих берегах Енисея в местах наиболее плотной застройки. В дневные часы городской остров тепла проявляется слабее, чем ночью. Определено, что модель WRF-ARW на вторые сутки прогноза воспроизводит городской остров тепла, однако завышает прогнозируемую температуру воздуха, особенно сильно в дневные сроки. Средняя абсолютная ошибка прогноза температуры воздуха на сроки, близкие к наступлению суточного минимума, составила 2,6 и 3,9 °C при прогнозе на 24 и 48 ч соответственно.
Представлены результаты замены параметризаций коротковолновой и длинноволновой радиации в глобальной модели атмосферы ПЛАВ на свободнораспространяемую параметризацию ecRad. Эффект от такой замены оценивался на годовом и сезонном масштабах. Показано, что усовершенствованная и настроенная модель точнее воспроизводит среднегодовое и среднесезонное поле осадков, как в интегральных характеристиках, так и в географическом распределении. Уменьшились ошибки воспроизведения среднесезонной атмосферной циркуляции в тропиках вблизи поверхности. Внедрение параметризации радиации ecRad с ecCKD позволило ускорить расчеты сезонных прогнозов модели ПЛАВ на 17 %.
Исследована сезонная и межгодовая изменчивость высоты и температуры тропопаузы на основании информации 41 станции аэрологического зондирования, расположенной южнее 30° ю. ш., в период 2015-2024 гг. Получены средние значения характеристик тропопаузы и их распределение, обсуждается влияние антарктического континента на положение тропопаузы. Проведен поиск трендов высоты тропопаузы в Южном полушарии за прошедшее десятилетие.
Представлен краткий обзор современных средств и методов наукастинга порывов приземного ветра с использованием выходной продукции численного прогноза погоды, радиолокационных наблюдений и приемов машинного обучения. Приводятся соответствующие определения и термины, описываются наблюдательные инструменты и методы обработки наблюдений, обсуждаются модели ветровых порывов и системы их наукастинга. Обзор составлен с учетом оперативных отечественных технологий, задействованных в проведенных в 2024 году испытаниях версии системы наукастинга порывов.
Издательство
- Издательство
- ГИДРОМЕТЦЕНТР РОССИИ
- Регион
- Россия, Москва
- Почтовый адрес
- 123376, Россия, Москва, Большой Предтеченский переулок, д.13, строение 1
- Юр. адрес
- 123376, г Москва, Пресненский р-н, Большой Предтеченский пер, д 13 стр 1
- ФИО
- Борщ Сергей Васильевич (ДИРЕКТОР)
- E-mail адрес
- hmc@mecom.ru
- Контактный телефон
- +7 (499) 2523448